概率论参数的点估计教案.ppt

由 则 查表得 故 的最大似然估计 这便得到含 个参数 的 个方程组, 解该方程组并记所得的解为 以 作为参数 的估计量. 这种求出估计量的方法 称为矩估计法 . 设总体 服从泊松分布 , 求参数 的 矩估计量 . 解 设 是总体 的一个样本, 由于 可得 例4 解得 求总体 的均值 和方差 的矩估计. 解 设 是总体 的一个样本， 由于 故令 解得 例5 解 设 是总体 的一个样本， 容易求得 设总体 服从区间上 的均匀分布, 求参数 的矩估计量. 例6 故令 解得 和 的矩估计量为 设总体 的分布 密度为 为总体 的一个样本，求参数 的矩估计量 . 由于 只含有一个未知参数 ,一般 只需求出 便能得到 的矩估计量，但是 解 即 不含有 ,故不能由此得到 的矩估计量. 例7 于是解得 的矩估计量为 本例 的矩估计量也可以这样求得 故令 即 的矩估计量为 该例表明参数的矩估计量不唯一. 最大似然估计作为一种点估计方法最初是由 德国数学家高斯(Gauss)于1821年提出，英国统计 学家费歇尔(R.A.Fisher)在1922年作了进一步发展 使之成为数理统计中最重要应用最广泛的方法之一. Gauss Fisher 三、最大似然估计 设总体 的分布律为 或 分布密度为 ，其中 是未 知参数， 的分布律(或分布密度) 为 ,当给定样本值 后， 它只是参数 的函数，记为 ，即 则称 为似然函数，似然函数实质上是样本的 分布律或分布密度. 1. 似然函数 最大似然原理的直观想法：在试验中概率 最大的事件最有可能出现 .一个试验如有若干个 可能结果 ,若在一次试验中，结果 出现, 则认为 出现的概率最大. 2. 最大似然估计法 假定一个盒中黑球和白球两种球的数目之比 为 3:1，但不知哪种球多， 表示从盒中任取一球 是黑球的概率，那么 或 , 现在有放回地 从盒中抽3个球，试根据样本中的黑球数 来估计 参数 . 解 随机变量 ，即 例8 估计 只需在 和 之间作出选择. 计算这两种情况下 的分布律： 的估计 27/64 27/64 9/64 1/64 1/64 9/64 27/64 27/64 3 2 1 0 , , 设总体 的分布密度(或分布律)为 ， 其中 为未知参数 . 又设 是总体 的一个样本值，如果似然函数 在 处达到最大，则称 分别为 的最大似然估计量. 定义6.1 由于 与 有相同的最大值点 .因此， 为 最大似然估计的必要条件为 称它为似然方程, 其中 求最大似然估计量的一般步骤为： 1°求似然函数 ； 2°求出 及似然方程 3°解似然方程得到最大似然估计值 4°最后得到最大似然估计量 设总体 服从泊松分布 ,其中 为未知 参数，试求参数 的最大似然估计量 . 设样本 的一个观测值为 解 ,由于总体 ,故有 似然函数为 例9 取对数 即 所以 的最大似然估计量为